Publikation

Parameter Identification in Multibody System Dynamics using the Adjoint Sensitivity Analysis

Publikation

Outline

S. Oberpeilsteiner - Parameter Identification in Multibody System Dynamics using the Adjoint Sensitivity Analysis - Phd Thesis, Technische Universität Wien, Institut für Mechanik und Mechatronik, Österreich, 2018

Abstract

Der verstärkte Einsatz von Software zur Mehrkörpersimulation ermöglicht es, die Anzahl von Prototypen, welche während der Entwicklung eines Produkts benötigt werden, zu reduzieren. Häufig verursachen ungenaue oder unbekannte Parameterwerte große Abweichungen der Simulationsergebnisse von den in der Realität gemessenen Werten. Die Qualität eines virtuellen Prototyps kann durch Anpassung der Parameterwerte an die realen Verhältnisse erhöht werden. Durch die Komplexität von Mehrkörpersystemen ist es bei einer großen Anzahl von Parametern in einem Simulationsmodell meist nicht mehr möglich die Parameter manuell anzupassen. Aus diesem Grund stellt ein automatisierter und effizienter Abgleich der Systemausgänge den einzig möglichen Ansatz zur Verbesserung von Simulationsergebnissen dar. Darüber hinaus kann durch eine schlecht gewählte Anregung der Fall eintreten, dass der Einfluss der Parameter auf die Systemausgänge zu gering ist. In diesem Fall stützt sich die Identifikation auf unzureichende Daten und führt zu einer nicht zufriedenstellenden Qualität des virtuellen Prototyps. Zur Automatisierung des Parameteridentifikationsprozesses wird ein sinnvolles Gütemaß benötigt, welches erlaubt die Abweichung der Simulation vom Experiment zu quantifizieren. Erst durch Einführen dieser sogenannten Kostenfunktion wird die Verwendung eines iterativen Ansatzes zum Lösen des Optimierungsproblems, welches die skalare Kostenfunktion minimiert, ermöglicht. Der Gradient, welcher die Konvergenz des numerischen Optimierungsverfahrens deutlich verbessert, kann mit Hilfe der adjungierten Sensitivitätsanalyse berechnet werden. Um den Informationsgehalt in den zur nachfolgenden Parameteridentifikation verwendeten Messungen zu steigern, wird ein Ansatz verfolgt, der durch Modifikation der Systemanregung auf eine Optimierung der Sensitivität der Kostenfunktion in Bezug auf Parameteränderungen abzielt. Für beide Spezialfälle, Gradientenberechnung und Optimierung der Systemanregung, werden detaillierte Herleitungen durchgeführt. Neben der Beschreibung der entwickelten Ansätze werden nachvollziehbare Beispiele gezeigt, welche die Performance der jeweiligen Methode unterstreichen.